In [81]:
from PIL import Image
img = Image.open('./Data4/Pareto_Chart.png')
display(img)
Las Siete Herramientas de Control de Calidad (QC) son técnicas importantes para resumir y analizar datos al abordar la resolución de problemas relacionados con la gestión de la calidad
En este capíturo, aprenderemos sobre Las Siete Herramientas de Control de Calidad (QC) y me gustaría que entiendan lo siguiente.
Comprender el nombre y el contenido de cada una de Las Siete Herramientas de Control de Calidad (QC)
Comprender las características, la forma de crearlas y las manera de interpretarlas para cada método.
Comprensión de las situaciones en las que se utilizan Las Siete Herramientas de Control de Calidad (QC) para avanzar en la resolución de problemas.
import os
try:
os.chdir('../Python/QCKentei4')
except:
pass
path = os.getcwd()
path
'/Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4'
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import random
from scipy.stats import norm
from PIL import Image
import gspread
from google.oauth2.service_account import Credentials
En la gestión de calidad, es importante extraer información de los datos recopilados, reflexionar sobre esa información y tomar las medidas adecuadas.
Las Siete Herramientas de Control de Calidad (QC) son instrumentos relacionados con la forma de resumir datos, que permiten procesarlos y representarlos gráficamente, haciendo visible la información. Se utilizan frecuentemente en la resolución de problemas dentro de la gestión de la calidad.
Las siete herramientas del control de calidad permiten representar los datos en gráficos para extraer información de forma sencilla.
Metodologías sencillas que cualquiera puede utilizar de inmediato.
Se utilizan principalmente para analizar datos numéricos.
Se emplean en diversas etapas de la resolución de problemas.
Las metodologías se representan gráficamente, lo que permite comprender los resultados de un vistazo.
Diagrama de Pareto: Permite identificar los problemas prioritarios en los que se debe enfocar la atención.
Diagrama de Causa-Efecto (Diagrama de Ishikawa o Diagrama de Espina de Pescado): Organiza las relaciones entre un efecto (característica) y sus posibles causas (factores).
Hoja de Verificación (Checklist o Hoja de Recolección de Datos): Facilita la recolección y el registro de datos de forma sencilla, así como la realización inspecciones y verificaciones.
Histograma: Permite comprender la tendencia central y la dispersión de los datos.
Diagrama de Dispersión: Ayuda a identificar la relación entre dos conjuntos de datos emparejados.
Gráficos (Diagramas): Permiten visualizar la magnitud de los datos y su evolución en el tiempo.
Gráfico de Control: Ayuda a comprender la variación de un proceso a lo largo del tiempo y a determinar si el proceso se encuentran bajo control estadístico.
Estratificación: Divide los datos en grupos en función de sus similitudes o características comunes.
En la vida diaria, cuando un grupo numeroso de personas tiene que tomar una decisión, a veces se decide por mayoría de votos. Estas es una forma de tomar decisiones considerando las opiniones de la mayoría. De manera similar, en la resolución de problemas, es necesario concentrarse en los elementos que tienen mayor cantidad o impacto.
Un Diagrama de Pareto es una gráfica que organiza valores de una característica específica (como frecuencia de ocurrencia o pérdidas económicas) en categorías, ordenadas de mayor a menor cantidad de tados, permitiendo identificar de un vistazo en qué categorías se debe enfocar la atención.
Por ejemplo, cuando se les pregunta a los estudiantes de primaria qué quieren ser de mayores, muchos eligen profesiones populares, mientras que el resto, un grupo más pequeño, tiene una variedad de opciones sin una inclinación clara hacia ninguna en particular. No solo en este ejemplo, sino que en general, una minoría de elementos son responsables de la mayor parte del impacto, mientras que la mayoría de los elementos tienen un impacto menor, a pesar de ser numerosos. Esto se conoce como el Principio de Pareto (o Ley de Pareto).
El diagrama de Pareto, que se basa en la ley de Pareto, se utiliza a menudo para decidir qué problemas abordar de forma prioritaria cundo hay varios problemas. En otras palabras, es un método que permite visualizar que es lo más importante basándose en los datos.
El diagrama de Pareto es una de las herramientas de enfoque prioritario. Se utiliza para decidir, con un enfoque prioritario, a qué problemas se va a dar solución y para establecer los objetivos de mejora al abordar la resolución de un problema.
Se toman datos sobre el número de defectos, la cantidad de pérdidas o el número de fallos, y se clasifican por causa, fenómeno, proceso o tipo de producto. Luego, los datos se ordenan de mayor a menor y su magnitud se representa con la altura de una barra. En este caso, los elementos con un número de datos pequeño menor se agrupan en una categoría llamada otros y se colocan al final de la lista de elementos.
Luego, se muestra en un gráfico de lineas la suma acumulada de los datos, ordenados de mayor a menor. De esta manera, se puede ver qué proporción del total representan los elementos a los que se les debe dar prioridad.
from PIL import Image
img = Image.open('./Data4/Pareto_Chart.png')
display(img)
img = Image.open("./Data4/Pareto3.png")
display(img)
En nuestra vida cotidiana, enfrentamos una variedad de problemas. Para resolverlos, debemos tomar medidas que aborden sus causas. Sin embargo, hay muchos factores que influyen en un problema, por lo que es necesario encontrar las causas que tienen un impacto más significativo.
Un Diagrama de Causa-Efecto es una representación gráfica que muestra sistemáticamente la relación entre un resultado (característica) y sus causas (factores), siendo una técnica para organizar cómo los factores están relacionados con la característica.
En la resolución de problemas, al investigar las causas,se utiliza el diagrama de causa y efecto (o diagrama de Ishikawa) para organizar las relaciones de causa y efecto y para extraer los diversos factores que influyen en el problema.
img = Image.open("./Data4/DiagramaDeIshikawa.png")
display(img)
Al contar objeto en la vida diaria o al recopilar datos de inspección en una fábrica, no es deben cometer errores como contar mal o pasar por alto una inspección. Por ello, es necesario idear métodos de recopilación de datos para garantizar la precisión y evitar errores.
Una Hoja de Verficación (o Checklist) es un diagrama o tabla donde se definen de antemano los elementos a verificar, facilitando la recolección sencilla de datos, su organización y el registro de manera que se pueda comprendar fácilmente la situación general.
Hoja de verificación para registro e investigación: El objetivo de una hoja de verificación para registro e investigación es recopilar datos con el fin de cumplir con los propósitos de la inspección. Principalmente, maneja datos sobre el contenido de defectos, la ubicación de las fallas y las distribuciones de frecuencia.
Hoja de verificación para inspección y confirmación: El objetivo de una hoja de verificación para la inspección y confirmación es asegurar que se cumplan los puntos de control preestablecidos. Se utiliza principalmente para la inspección de maquinaria y equipo, mantenimiento diario, operaciones de seguridad y para mantener el orden y la limpieza.
En la resolución de problemas, la hoja de verificación se utiliza para la recopilación de datos al momento de entender la situación actual y para confirmar los resultados después de implementar una mejora.
img = Image.open("./Data4/Hoja de verificación.png")
display(img)
En nuestro entorno hay una gran cantidad de datos numéricos. Sin embargo, el simple hecho de observar los números no nos da información detallada como la posición central o la dispersión (distribución) de los datos, lo que dificulta tomar medidas. Para obtener información a partir de los datos numéricos, es necesario procesarlos y representarlos visualmente en gráficos para que sean más fáciles de entender.
Un Histograma es un diagrama de barras que representa la distribución de un conjunto de datos. Los datos se dividen en intervalos (clases) y la altura de cada barra indica la frecuencia (número de datos) que cae dentro de ese intervalo. Permite visualizar la distribución de los datos y su relación con las especificaciones.
Para la resolución de problemas, se utilizan histogramas para investigar las causas, ya que permiten visualizar la forma de la distribución, la media y la dispersión, entre otras cosas.
Para datos de valores medidos, como la longitud, el peso, el tiempo o la dureza, se divide el rango en el que se encuentran los datos en varios intervalos, se cuenta la frecuencia de los datos que caen en cada intervalo y se crea una tabla de frecuencias.
Al alinear un gráfico de barras con la altura de la frecuencia de cada intervalo, se puede ver la distribución general de los datos.
Si se dispone de un valor medio o un valor estándar, se puede dibujar una línea para ver qué tan bien se ajustan los datos a la especificación.
Se puede observar la tendencia central y el grado de dispersión desde las siguientes perspectivas.
Juzgar si la calidad del producto cumple con las especificaciones.
img = Image.open("./Data4/Histograma.png")
display(img)
img = Image.open("../QCKentei3/Graph3/Histgram1.png")
display(img)
A menudo, este tipo de forma se debe a problemas en la forma en que se agruparon los datos al crearlo. Si el ancho de los intervalos no se tomó como un múltiplo entero de la unidad de medida, o si los datos se leyeron de forma sesgada durante la medición, se obtendrá esta forma.
img = Image.open("../QCKentei3/Graph3/Histgram2.png")
display(img)
Si la distribución presenta dos picos, esto indica que hay dos distribuciones con medias diferentes mezcladas. En este caso, es necesario identificar si existe algún factor de estratificación, dividir los datos en dos grupos y volver a crear los histogramas.
img = Image.open("../QCKentei3/Graph3/Histgram3.png")
display(img)
Cuando hay anomalías en el proceso, mezcla de muestras diferentes o errores de medición, a menudo se observa una distribución con valores aislados. Es necesario investigar la causa y tomar medidas correctivas.
img = Image.open("../QCKentei3/Graph3/Histgram4.png")
display(img)
En realidad, debieron existir datos fuera de límites abruptos. Esto ocurre cuando se realiza una inspección al 100% y se eliminan los elementos fuera de especificación, o cuando se manipulan los elementos que estarían fuera de especificación para que entren dentro de los límites.
img = Image.open("../QCKentei3/Graph3/Histgram5.png")
display(img)
En nuestras vidas hay una gran cantidad de datos numéricos y algunos de ellos tienen una relación de causa y efecto.
Un Diagrama de Dispersión es una gráfica que muestra la relación mutua (correlación) entre dos tipos de datos emparejados.
En la resolución de problemas, se utiliza un diagrama de dispersión para ver si existe una correlación y cuál es el grado de la misma entre dos conjuntos de datos emparejados de causa (factor x) y efecto (característica y).
Se dice que hay una correlación cuando existe algún tipo de relación entre $ x $ e $ y $. Un diagrama de dispersión es una técnica para investigar esta correlación.
En cuando a la correlación, se dice que hay una correlación positiva cuando la relación es que, a medida que $ x $ aumenta, $ y $ también lo hace. Por el contrario, la relación en la que a medida que $ x $ aumenta, $ y $ disminuye, se llama correlación negativa.
Se recolectan dos tipos de datos emparejados, como características y factores, o resultados y causas, y se grafican en los ejes vertica (eje y) y horizontal (eje x).
A partir de la dispersión de los puntos en un diagrama de dispersión, se puede determinar si existe una correlación entre los dos tipos de datos. También se identifica si hay puntos inusuales (valores atípicos) que se alejen del conjunto de datos.
img = Image.open("./Data4/Dispersión.png")
display(img)
Correlación positiva fuerte
Existe una correlación positiva débil:
Existe una correlación negativa fuerte:
Hay una cellelación negativa débil:
No hay correlación:
Relación no lineal:
La relación entre $ x $ e $ y $ no es lineal, pero se puede observar una relación cuadrática u otro tipo de relación entre ambas.
img = Image.open("./Data4/Disperción10.png")
display(img)
¿Hay puntos anormales? / ¿Existen puntos atipicos? / ¿Se observan valores inusuales?
¿Cuál es la relación entre los dos conjuntos de datos? ¿Cómo es la relación entre los dos datos? / ¿Qué tipo de relación existe entre los dos datos?
¿Es necesario estratificar los datos?
¿No será una correlación espuria? / ¿No se tratará de una correlación falsa? / ¿Podría ser una correlación engañosa?
¿Cuál es la relación técnica? / ¿Cómo es la relación técnica? / ¿Existe una relación técnica?
Diariamente, vemos a menudo gráficos de datos en la televisión, revistas e internet. Esto se debe a que, si se presentan los datos en una tabla tal cual, son difíciles de entender, por lo que se visualizan. En otras palabras, la visualización permite que la información se comprenda de forma fácil y rápida.
Un Gráfico (o Diagrama) es una representación visual de datos que permite comprender de un vistazo la magnitud de los valores y sus cambios a lo largo del tiempo, siendo la metodología más utilizada dentro de las site herramientas de la calidad.
En la resolución de problemas, se utilizan gráficos en diversas situaciones, como para comprender la situación actual, investigar las causas o verificar la efectividad de las contramedídas.
Gráfico de líneas: Un gráfico de líneas toma los valores de una característica en el eje vertical y marca los días o las horas en que se recopilaron los datos en el eje horizontal, uniéndolos con una línea.
Se utiliza principalmente para comprender la evolución de los datos a lo largo del tiempo. En un gráfico de líneas, si se cambian los tipos de líneas o puntos según los factores de estratificación, se pueden observar las diferencias en la tendencias temporales de cada uno de ellos.
img = Image.open("./Data4/GraficoDeLinea.png")
display(img)
Gráfco de barras: Un gráfico de barras representa los valores de una característica en el eje vertical y las categorías de clasificación en el eje horizontal, mostrándose en forma de columnas.
El objetivo principal es mostrar la relación de magnitud entre las cantidades.
img = Image.open("./Data4/GraficoDeBarras.png")
display(img)
Gráfico circular (o de pastel): Es un gráfico que representa el total como un circulo, y las proporciones de cada componente se muestran dividiendo el circlo en secciones.
Es fácil de entender, ya que la proporción de cada componente se representa por el tamaño del sector circular. Además, al cambiar el tamaño del circulo. se pueden mostrar simultániamente las diferencias en la proporción y las diferencias en la magnitud de las cantiades.
img = Image.open("./Data4/GraficoCircular.png")
display(img)
Gráfico de barras (o de cintas): Es un gráfico que representa el total como un rectángluo, y las proporciones de cada componente se muestran dividiéndolo en rectángulos más pequeños.
Al cambiar el tamaño del rectángulo total, se pueden comparar simultáneamente las diferencias en la proporción y en la magnitud de las cantidades. Por lo tanto, aunque su uso es muy similar al del gráfico circular, el gráfico de barras apiladas permite comparar más fácilmente las proporciones y las cantidades de un mismo componente al unirlos con una línea.
img = Image.open("./Data4/GraficoDeBarraApiladas.png")
display(img)
El gráfico de radar: Es un tipo de gráfico que se utiliza para visualizar el equilibrio entre varios elementos. Consiste en colocar escalas en la dirección de un polígono, marcar los datos de cada elemento y unirlos con líneas.
Se utiliza cuando se desea ver el grado de equilibrio de todos los elementos. Cuando hay varios gráficos de radar, se puede comparar la evaluación general comparando el tamaño de los polígonos.
img = Image.open("./Data4/GraficoDeRadar2.png")
display(img)
Hay varios tipos de gráficos, por lo que al organizar los datos y representarlos en un gráfico, la información se vuelve más fácil de interpretar que si solo se presentará en una tabla. Por lo tanto, es importante pensar en el propósito (qué se quiere comunicar y qué se quiere resaltar) y seleccionar el gráfico adecuado para ese objetivo.
Aunque un gráfico de líneas representa los datos trazando su movimiento a lo largo del tiempo, es necesario determinar si ese movimiento es estadísticamente significativo.
Un Gráfico de Control es una herramienta que utiliza un eje vertical para representar los valores de un estadístico (como la media, el rango, la tasa de defectos o el número de defectos) y un eje horizontal para representar las observaciones continuas (generalmente en función del tiempo o el número de muestra). Se utiliza para investigar si un proceso se encuentra en un estado de control estadístico (análisis de procesos) o para mantener un proceso en un estado controlado (control de procesos).
Los gráficos de control se utilizan para detectar anomalías en un proceso y para evaluar el estado de las variaciones y tendencias a lo largo del tiempo.
Cuando se gestiona un proceso, es necesario asegurarse de que no haya ocurrido ninguna anomalía y de que el proceso esté estable. Aunque no haya anomalías en el proceso, la calidad de cada producto varia, por lo que los datos también fluctúan. Por lo tanto, para detectar una anomalía en un proceso, es necesario distinguir si la dispersión de los datos se debe únicamente a causas aleatorias o a una causa anormal. Los gráfico de control son útiles para esto.
En los gráficos de control, para realizar juicios estadísticos, se dibujan tres líneas de control que se obtienen calculando a partir de los datos: la línea central (CL), el límite de control superior (UCL) y el límite de control inferior (LCL).
Se crean subgrupos, se recopilan los datos, se calcula la media $ \bar{X} $ y el rango $ R $ para cada subgrupo, y se crea un gráfico de líneas para cada uno de ellos en orden cronológico. El tamaño del subgrupo debe ser de 2 a 5.
Para cada uno de los gráficos de control $ \bar{X} $ y $ R $, se calculan y se trazan la Linea Central (CL), el Límite de Control Inferior (LCL) y el Límite de Control Superior (UCL).
Verificar si hay alineaciones anómalas.
A continuación, se observa el gráfico de control desde las siguientes perspectivas para determinar si el proceso está bajo control o no. En ese momento, el proceso se considera fuera de control si se cumple alguna de las siguientes dos condiciones:
El punto en el gráfico de control está fuera de los límites de control (LCL, UCL).
Aunque los puntos estén dentro de los límites de control, la forma en que se alinean y dispersan tiene un patrón peculiar.
img = Image.open("./Data4/Kanrizu.png")
display(img)
Al crear un diagrama de Pareto, un diagrama de dispersión o un gráfico de control, si se comparan los datos dividiéndolo en grupos, se pueden identificar las diferencia entre estos.
La estratificación consiste en dividir los datos en varios grupos (estratos) en función de los puntos en común o las características que poseen.
En la resolución de problemas, al investigar las causas, se comparan las diferencias entre estratos para analizar la causa de la variación de los datos.
Este es un histograma creado para las dimensiones. Se puede observar que la distribución tiene dos picos. Por lo tanto, se realizó una estratificación por la Máquina 1 y la Máquina 2 y se crearon histogramas separados. No hay una diferencia significativa en la dispersión de ambas, pero se puede ver que la Máquina 1 tiene un promedio más bajo que la Máquina 2.
img = Image.open("./Data4/8_19.png")
display(img)
Es una representación de la relación entre el número de visitantes y las ventas de un día en un centro comercial.
En general parece que no hay correlación, pero al estratificar y graficar los productos de bajo precio y uso general (Producto A: circulo azul) y los productos de alto precio y preferencia (Product B: círculo rojo), se observa que el Producto A tiene una correlación positiva entre el número de visitantes y las ventas. Por otro lado, el Producto B parece no tener una relación de correlación.
img = Image.open("./Data4/8_20.png")
display(img)
Para facilitar la estratificación, mantén claro el historial de los datos.
Intenta estratificar los datos con diferentes criterios.
Intenta estratificar los datos no solo por un factor, sino también combinando dos o más (por ejemplo, por material y por equipo).
valor atípico/ Dato anómalo
¿Qué es un valor atípico (outlier)? / Definición de valor anormal (outlier)
Un valor atípico (o outlier) es un dato que aparece al recopilar información. Se refiere a un dato que se encuentra extremadamente alejado de los demás valores.
Tratamiento de los valores atípicos / Cómo abordar los datos anómalos
Es un método en el que varias personas comparten libremente sus opiniones e ideas para generar ideas y conceptos sobresalientes.
Las Cuatro Reglas:
from IPython.display import display
from PIL import Image
import gdown
import re
def get_file_id(url,out):
# 正規表現でファイルIDを抽出
match = re.search(r'/d/([a-zA-Z0-9_-]+)', url)
if match:
file_id = match.group(1)
print("ファイルID:", file_id)
else:
print("ファイルIDが見つかりませんでした。")
url = f"https://drive.google.com/uc?id={file_id}"
output = out
gdown.download(url, output, quiet=False)
img = Image.open(out)
display(img)
url= 'https://drive.google.com/file/d/1Tl9J-MT3FPVhIs77vWX64d-rm-dpteLD/view?usp=drive_link'
out = './Data4/Pareto_Chart.png'
get_file_id(url,out)
ファイルID: 1Tl9J-MT3FPVhIs77vWX64d-rm-dpteLD
Downloading... From: https://drive.google.com/uc?id=1Tl9J-MT3FPVhIs77vWX64d-rm-dpteLD To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Pareto_Chart.png 100%|██████████| 188k/188k [00:00<00:00, 1.81MB/s]
url= 'https://drive.google.com/file/d/1zjzx_eCFG9zfV9liWDanz0IKsklvRV-4/view?usp=drive_link'
out = './Data4/Pareto3.png'
get_file_id(url,out)
ファイルID: 1zjzx_eCFG9zfV9liWDanz0IKsklvRV-4
Downloading... From: https://drive.google.com/uc?id=1zjzx_eCFG9zfV9liWDanz0IKsklvRV-4 To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Pareto3.png 100%|██████████| 92.7k/92.7k [00:00<00:00, 1.15MB/s]
url= 'https://drive.google.com/file/d/164KSiQAj_d3ozhIYDFhzupr6k3Qs37LX/view?usp=drive_link'
out = './Data4/DiagramaDeIshikawa.png'
get_file_id(url,out)
ファイルID: 164KSiQAj_d3ozhIYDFhzupr6k3Qs37LX
Downloading... From: https://drive.google.com/uc?id=164KSiQAj_d3ozhIYDFhzupr6k3Qs37LX To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/DiagramaDeIshikawa.png 100%|██████████| 59.9k/59.9k [00:00<00:00, 3.40MB/s]
url= 'https://drive.google.com/file/d/1hSKuEL_tELoGwqb0b3ffx5pl-iAiKs5s/view?usp=drive_link'
out = './Data4/Hoja de verificación.png'
get_file_id(url,out)
ファイルID: 1hSKuEL_tELoGwqb0b3ffx5pl-iAiKs5s
Downloading... From: https://drive.google.com/uc?id=1hSKuEL_tELoGwqb0b3ffx5pl-iAiKs5s To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Hoja de verificación.png 100%|██████████| 67.2k/67.2k [00:00<00:00, 1.18MB/s]
url= 'https://drive.google.com/file/d/1-TbXLUN374xuZPsokVGhPqyxbLSWHlZ9/view?usp=drive_link'
out = './Data4/Histograma.png'
get_file_id(url,out)
ファイルID: 1-TbXLUN374xuZPsokVGhPqyxbLSWHlZ9
Downloading... From: https://drive.google.com/uc?id=1-TbXLUN374xuZPsokVGhPqyxbLSWHlZ9 To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Histograma.png 100%|██████████| 34.2k/34.2k [00:00<00:00, 903kB/s]
url= 'https://drive.google.com/file/d/1-LzzDHX6Tq2tVtURmTbQ-l1A4LCfxlAW/view?usp=drive_link'
out = './Data4/Dispersión.png'
get_file_id(url,out)
ファイルID: 1-LzzDHX6Tq2tVtURmTbQ-l1A4LCfxlAW
Downloading... From: https://drive.google.com/uc?id=1-LzzDHX6Tq2tVtURmTbQ-l1A4LCfxlAW To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Dispersión.png 100%|██████████| 36.2k/36.2k [00:00<00:00, 3.16MB/s]
url= 'https://drive.google.com/file/d/1L7OeUAsuWKytrvpw20KoL_psDQ3T3yLH/view?usp=drive_link'
out = './Data4/GraficoDeLinea.png'
get_file_id(url,out)
ファイルID: 1L7OeUAsuWKytrvpw20KoL_psDQ3T3yLH
Downloading... From: https://drive.google.com/uc?id=1L7OeUAsuWKytrvpw20KoL_psDQ3T3yLH To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoDeLinea.png 100%|██████████| 46.7k/46.7k [00:00<00:00, 1.03MB/s]
url= 'https://drive.google.com/file/d/1-Mvekc9ergacWewRnFPLcSDJipkd-cG_/view?usp=drive_link'
out = './Data4/GraficoDeBarras.png'
get_file_id(url,out)
ファイルID: 1-Mvekc9ergacWewRnFPLcSDJipkd-cG_
Downloading... From: https://drive.google.com/uc?id=1-Mvekc9ergacWewRnFPLcSDJipkd-cG_ To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoDeBarras.png 100%|██████████| 31.8k/31.8k [00:00<00:00, 929kB/s]
url= 'https://drive.google.com/file/d/1-OmvZpAqyiQ0qcp3AR6BKBx4Pv_I4ZPf/view?usp=drive_link'
out = './Data4/GraficoCircular.png'
get_file_id(url,out)
ファイルID: 1-OmvZpAqyiQ0qcp3AR6BKBx4Pv_I4ZPf
Downloading... From: https://drive.google.com/uc?id=1-OmvZpAqyiQ0qcp3AR6BKBx4Pv_I4ZPf To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoCircular.png 100%|██████████| 46.5k/46.5k [00:00<00:00, 645kB/s]
url= 'https://drive.google.com/file/d/1-QLS9zvqEV6LIFL_0g4WXOqzjQWh2pK8/view?usp=drive_lin'
out = './Data4/GraficoDeBarraApiladas.png'
get_file_id(url,out)
ファイルID: 1-QLS9zvqEV6LIFL_0g4WXOqzjQWh2pK8
Downloading... From: https://drive.google.com/uc?id=1-QLS9zvqEV6LIFL_0g4WXOqzjQWh2pK8 To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoDeBarraApiladas.png 100%|██████████| 52.3k/52.3k [00:00<00:00, 1.13MB/s]
url= 'https://drive.google.com/file/d/1-8P72oGEdBXnhN13BOHX-d72tBEmgWya/view?usp=drive_link'
out = './Data4/Kanrizu.png'
get_file_id(url,out)
ファイルID: 1-8P72oGEdBXnhN13BOHX-d72tBEmgWya
Downloading... From: https://drive.google.com/uc?id=1-8P72oGEdBXnhN13BOHX-d72tBEmgWya To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Kanrizu.png 100%|██████████| 195k/195k [00:00<00:00, 1.76MB/s]
url = "https://drive.google.com/file/d/1Qc1hPFVwh1n4VED5e9mpKQOpeZJHNn4N/view?usp=sharing"
out = './Data4/8_19.png'
get_file_id(url,out)
ファイルID: 1Qc1hPFVwh1n4VED5e9mpKQOpeZJHNn4N
Downloading... From: https://drive.google.com/uc?id=1Qc1hPFVwh1n4VED5e9mpKQOpeZJHNn4N To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/8_19.png 100%|██████████| 58.0k/58.0k [00:00<00:00, 1.21MB/s]
url= 'https://drive.google.com/file/d/1pcXH7yyFf9vVVvND_9BwFmzWoLeq5cH-/view?usp=drive_link'
out = './Data4/8_20.png'
get_file_id(url,out)
ファイルID: 1pcXH7yyFf9vVVvND_9BwFmzWoLeq5cH-
Downloading... From: https://drive.google.com/uc?id=1pcXH7yyFf9vVVvND_9BwFmzWoLeq5cH- To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/8_20.png 100%|██████████| 86.9k/86.9k [00:00<00:00, 1.14MB/s]
url= 'https://drive.google.com/file/d/1qCcrB3zCgheNUwZIf1981l8H6RLMLmSE/view?usp=drive_link'
out = "./Data4/Disperción10.png"
get_file_id(url,out)
ファイルID: 1qCcrB3zCgheNUwZIf1981l8H6RLMLmSE
Downloading... From: https://drive.google.com/uc?id=1qCcrB3zCgheNUwZIf1981l8H6RLMLmSE To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/Disperción10.png 100%|██████████| 49.2k/49.2k [00:00<00:00, 1.03MB/s]
url= 'https://drive.google.com/file/d/19QGK8tEPwqQJjpipL4EJaYOgfpmomE2P/view?usp=drive_link'
out = "Data4/GraficoDeRadar2.png"
get_file_id(url,out)
ファイルID: 19QGK8tEPwqQJjpipL4EJaYOgfpmomE2P
Downloading... From: https://drive.google.com/uc?id=19QGK8tEPwqQJjpipL4EJaYOgfpmomE2P To: /Users/takanohiroshi/Library/CloudStorage/OneDrive-個人用/Documenten/Python/QCKentei4/Data4/GraficoDeRadar2.png 100%|██████████| 109k/109k [00:00<00:00, 1.96MB/s]
notebook_name = 'QCKentei4-8.ipynb'
notebook_name_html = notebook_name.replace(".ipynb",".html")
!jupyter nbconvert --to html {notebook_name}
[NbConvertApp] Converting notebook QCKentei4-8.ipynb to html [NbConvertApp] Writing 6351160 bytes to QCKentei4-8.html